【openCV学习】33.多边形逼近算法（DP算法）

1.应用场景

在使用findContours提取轮廓后的轮廓过于复杂不够平滑，可以利用Douglas_Peucher(简称DP)算法对该轮廓进行多边形逼近，使其变成一个平滑但又不失真的轮廓。

2.API

例子：

#返回值是一个轮廓，是一个ndarray类型的一系列拐点的坐标

#第一个参数是一个轮廓，第二个参数是进行DP算法的阈值，第三个参数是是否闭合

approx = cv2.approxPolyDP(contours[0],15,closed=True)

#由于第二个参数要求是list类型，因此在外面套一个中括号,这里用绿色线条描绘多边形逼近算法后的轮廓

cv2.drawContours(img_copy,[approx],0,(0,255,0),2)

 

3.算法的思想

对于一个轮廓，找一个起点和终点，这里定义为A和B，然后连接起点和终点，组成线段AB，然后找到这个轮廓上距离线段AB最近的点，这里记为C，计算C到线段AB的距离，这里记为h

DP算法中设置了一个阈值T，也就是approxPolyDP函数中的第二个参数，如果h<t，就可以用线段AB代替这个轮廓，轮廓的图形就变成了这个样子：

此时DP算法就结束了，原来由4段线段组成的轮廓被精简成了AB这一条线段。

当然，这种情况下效果可能不会很好，因此我们需要不断的调整阈值D，使得最终得到的轮廓平滑但又不过与简约。

如果h>t,就链接AC和CB，擦掉AB，此时图形变成了这样的

这时候再找轮廓距离弯折的线段ACB最远的点，设为D，其距离设为h1

如果h1<t，那么就用ACB作为最终的轮廓，反之则连接CD和DB,擦去CB，继续进行上述操作。

4.完整代码：

import numpy as np

import cv2


img = cv2.imread("image/hand.png")


#变成单通道

signal_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#变成二值图

ret,binary = cv2.threshold(signal_img,150,255,cv2.THRESH_BINARY)


"""提取轮廓"""

contours,hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

"""绘制轮廓"""

img_copy = img.copy()

cv2.drawContours(img_copy,contours,0,(0,0,255),2)


"""进行多边形逼近"""

#返回值是一个轮廓，是一个ndarray类型的一系列拐点的坐标

#第一个参数是一个轮廓，第二个参数是进行DP算法的阈值，第三个参数是是否闭合

approx = cv2.approxPolyDP(contours[0],15,closed=True)

#由于第二个参数要求是list类型，因此在外面套一个中括号,这里用绿色线条描绘多边形逼近算法后的轮廓

cv2.drawContours(img_copy,[approx],0,(0,255,0),2)


"""绘制图片观察效果"""

cv2.imshow("show",img_copy)

cv2.waitKey(0)

cv2.destroyAllWindows()

 

运行结果：

其中红色的线段为findContours后得到的轮廓

绿色的线条为进行阈值为15的多边形逼近后得到的轮廓

可以看到红色的轮廓虽然十分贴近原图，但是其拐点较多，而绿色的图形则更加平滑，并且还保留了手部的图形特征。